Почему масштабирование AI-вычислений требует новой архитектуры электропитания

Индустрия искусственного интеллекта растёт взрывными темпами. Год от года увеличивается размер моделей и количество ускорителей, необходимых для их обучения и инференса. Но есть один момент, который многие недооценивают: инфраструктура питания. Оказывается, существующие системы энергоснабжения дата-центров не способны эффективно справляться с новыми нагрузками. В свежем материале NVIDIA рассматривается концепция новой архитектуры питания на 800 В постоянного тока, которая должна изменить правила игры в строительстве ИИ-фабрик.

Авторы статьи подробно объясняют, почему традиционный подход уже не работает и какие возможности открывает переход на постоянный ток высокого напряжения.

Проблема: потери энергии при преобразовании

Традиционная схема электроснабжения дата-центра выглядит примерно так: от подстанции приходит переменный ток высокого напряжения (например, 10 кВ), затем он преобразуется в 400 В, затем в 48 В постоянного тока для стоек, и наконец в 12 В или меньше для отдельных компонентов. Каждое преобразование сопровождается потерей энергии в виде тепла. Суммарные потери могут достигать 20–30% от начального объёма электроэнергии. Для огромных кластеров, где счёт идёт на мегаватты, это сотни киловатт, которые просто нагревают воздух.

В крупных вычислительных центрах проблема усугубляется тем, что на каждый киловатт вычислительной мощности приходится дополнительная нагрузка на систему охлаждения. Фактически, энергия теряется дважды: сначала при преобразовании напряжения, затем при отводе тепла.

Решение: 800 В постоянного тока

В статье NVIDIA предлагается полностью пересмотреть путь энергии. Вместо многократного преобразования переменного тока в постоянный, предлагается перейти на питание напряжением 800 В постоянного тока. Такая схема позволяет сократить количество преобразователей и подводить электроэнергию напрямую к серверным стойкам. По оценкам инженеров, эффективность системы электропитания может значительно повыситься, а потери энергии снизиться в несколько раз.

Описывая новый подход, авторы материала делают акцент на том, что 800 В постоянного тока — это не просто замена напряжения, а пересмотр всей архитектуры распределения питания. В традиционных системах от подстанции до процессора энергия проходит через несколько ступеней трансформации, каждая из которых «съедает» часть мощности. Новая схема минимизирует количество таких ступеней: высокое постоянное напряжение подводится прямо к стойке, а уже там происходит финальное преобразование до низковольтного уровня, необходимого компонентам.

Ключевые преимущества новой архитектуры

Один из главных плюсов — снижение потерь в кабелях. По закону Джоуля-Ленца потери пропорциональны квадрату силы тока. При повышении напряжения в 10 раз (с 80 до 800 В) сила тока снижается в 10 раз при той же мощности, а потери — в 100 раз. Это позволяет использовать кабели меньшего сечения, экономя медь и место в кабельных лотках.

Второе важное преимущество — уменьшение количества силовых преобразователей. Каждый преобразователь — это не только потери, но и дополнительный источник отказа. Упрощение цепочки питания повышает надёжность всей системы.

Наконец, постоянный ток высокого напряжения лучше интегрируется с современными источниками энергии. Солнечные панели и ветрогенераторы выдают постоянное напряжение, поэтому их можно подключать напрямую, без инверторов.

Практический пример: как это работает

Представьте типовой модульный дата-центр, который используется для обучения больших языковых моделей. Раньше каждая стойка с GPU укомплектовывалась собственным блоком питания, который преобразовывал 480 В переменного тока в 12 В для серверов. С новой архитектурой питание 800 В постоянного тока подводится к самой стойке, а преобразование в низкое напряжение происходит непосредственно на материнской плате с помощью высокоэффективных DC-DC преобразователей.

Это сокращает путь энергии и уменьшает потери. По оценкам разработчиков, совокупная эффективность системы электропитания может превысить 95%, что особенно критично для таких платформ, как NVIDIA NVL72, где стойки потребляют до 120 кВт и более.

Проблемы внедрения

Любая инновация сталкивается с препятствиями. Переход на 800 В постоянного тока потребует замены значительной части существующей инфраструктуры: кабелей, автоматических выключателей, разъёмов. Не все производители оборудования сегодня готовы выпускать совместимые компоненты.

Однако NVIDIA уже заявила о сотрудничестве с рядом ключевых игроков отрасли для стандартизации подхода. Для новых дата-центров, проектируемых с расчётом на рост ИИ-нагрузок, использование новой архитектуры является логичным шагом. Вложения в модернизацию окупятся за счёт снижения эксплуатационных расходов и повышения надёжности.

Заключение

Масштабирование производительности AI-вычислений упирается не только в развитие чипов и алгоритмов, но и в способность обеспечивать их энергией без потерь. Новая архитектура электропитания на 800 В постоянного тока, предложенная NVIDIA, решает именно эту задачу. Она позволяет создавать более плотные, эффективные и экологичные ИИ-фабрики. Для тех, кто участвует в проектировании дата-центров, это сигнал: пора пересматривать подходы к энергообеспечению.

Подробности технического решения и планы по внедрению можно узнать из первоисточника: Источник.

← Все статьи

Комментарии

Читайте также

Zigbee против Matter over Thread: реальная производительность IoT-протоколов в умном доме

5 августа 2026

CISA — Certified Information Systems Auditor (ISACA): Как подготовиться к сертификации быстрее и эффективнее с помощью AI

15 июля 2026

Интеграция LoRaWAN-устройств с AI-агентом ASI Biont: удалённый мониторинг через COM-порт

22 июля 2026

Как автоматизировать аналитику с DuckDB и ИИ-агентом: руководство по интеграции без кода

19 июля 2026

Vibe Coding и Google Gemini: Как ИИ-помощник приближается к миллиарду пользователей

23 июля 2026

MosaicLeaks: Can Your Research Agent Keep a Secret? Что произошло и как защитить данные

20 июня 2026

Как перестать гадать и начать стратегировать: курс «Принятие решений и стратегия» на Asibiont

6 июля 2026

Сравнение AI-моделей для программирования: Claude, GPT, DeepSeek, Gemini — кто пишет код лучше?

18 июня 2026

Операционные системы и системное программирование: почему этот курс — ваш билет в мир Linux, C и Rust в 2026 году

8 июля 2026